Discussion :

[Furior]

Bonjour,

Je cherche à récupérer le texte (avec une regex) contenu entre les balises <a href et img.

Par exemple, le code HTML suivant

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

... <a href="www.google.fr"><img src="www.google.fr/images"></a> ...

devrait me retourner ="www.google.fr" et src="www.google.fr/images", ce qui n'est pas le cas.

Bien sur je sais que le problème vient de ma regex, mais je n'arrive pas à en construire une correcte (malgré le cours de P. Plasserres).

Voici mon code actuel:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
Protected Sub parseHTML(ByRef HTML As String)
    Dim pattern As String = "[<a href]([^>]+)[><img ]([^>]+)[></a>]"
    Dim matches As MatchCollection = Regex.Matches(HTML, pattern)
    For Each match As Match In matches
        Debug.WriteLine("HREF " & match.Groups(1).Value)
        Debug.WriteLine("IMG " & match.Groups(2).Value)
    Next
End Sub

Toute aide sera la bienvenue. Merci par avance,

Furior

[chrismonoye]

Bonjour,
à tester :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Dim pattern As String = "((?<=href=).+?)><img (.+?(?=>))"

Edit :
Un minimum d'explication :

((?<=href=).+?)><img (.+?(?=>)) : on défini deux groupes avec les parenthèses.

((?<=href=).+?)><img (.+?(?=>)) : ces groupes pourront être composés de n'importe quel caractère sauf la fin de ligne avec une recherche au plus court.

((?<=href=).+?)><img (.+?(?=>)) : l'expression que l'on impose de trouver entre les deux groupes et qui n'en fait pas partie. (Nota : on intègre un espace en fin).

((?<=href=).+?)><img (.+?(?=>)) : le premier groupe doit commencer par "href=" qui ne sera pas capturé (postanalyse positive).

((?<=href=).+?)><img (.+?(?=>)) : le second groupe doit finir par ">", également non capturé (préanalyse positive).

Tout est très bien expliqué là.

[tomlev]

Les expressions régulières ne sont pas le bon outil pour parser du HTML, car celui-ci n'est pas un langage régulier. Alors bien sûr, dans les cas simples comme celui-ci, on peut toujours bidouiller pour obtenir ce qu'on veut, mais en général il vaut mieux utiliser un outil spécifique, comme HTML Agility Pack :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
Dim doc As New HtmlDocument()
doc.Load(fileName)
For Each link As HtmlNode In doc.DocumentElement.SelectNodes("//a[@href"])
    Dim attr As HtmlAttribute = link("href");
    Dim url As String = attr.Value
Next

[Furior]

Merci pour vos deux réponses.

L'expression proposée par chrismonoye a exactement le comportement que j'attendais.

Quand à HTML agility, je l'ai testé et je pense que c'est effectivement mieux pour parser.

Par contre il y avait quelques erreurs dans ton code tomlev, du coup je poste le code corrigé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
Dim doc As New HtmlDocument
    doc.LoadHtml(stringHTMLSourceCode)
    For Each link As HtmlNode In doc.DocumentNode.SelectNodes("//a[@href]")
        Dim attrs As HtmlAttributeCollection = link.Attributes
        Dim attr As HtmlAttribute = attrs.Item("href")
        Dim url As String = attr.Value
    Next

Merci à vous deux, je passe en résolu.

[Meher001]

Bonsoir,
Je cherche pratiquement la même solution.
j'ai une variable qui contient :

h2 class="nameCli">" <a href="http://www.xxxxxxxx> nom 1 </a>"
<div class="addr"><ul> <li> adresse 1 </li>"
<li class="call"> <span>Tél. :</span> num 1 </li>"


<h2 class="nameCli">" <a href="http://www.xxxxxxxx> nom 2 </a>"
<div class="addr"><ul> <li> adresse 2 </li>"
<li class="call"> <span>Tél. :</span> num 2 </li>"


<h2 class="nameCli">" <a href="http://www.xxxxxxxx> nom 3 </a>"
<div class="addr"><ul> <li> adresse 3 </li>"
<li class="call"> <span>Tél. :</span> num 3 </li>"


Je veux avoir dans un fichier cette forme :
nom1 , adresse 1 , num 1
nom2 , adresse 2 , num 2
nom3 , adresse 3 , num 3

Est-ce possible ?

[youtpout978]

Pourquoi ne pas traiter ton fichier comme un fichier XML, tu pourras utiliser LinqToXML pour récupérer les données qui t'intéressent.